Beslutningsanalyse med kunstig intelligensstøtte (MOD500)
Fordyp deg i forviklingene ved beslutningsmodellering og usikkerhetsanalyse, og utforsk dens enorme applikasjoner. Bygget på det solide grunnlaget for normativ beslutningsteori, kombinerer dette emnet foreskrivende verktøy med state-of-the-art beregningsteknikker, inkludert ML og AI. Ved å utnytte kraften til moderne programvare, kan interessenter på en dyktig måte navigere i komplekse og usikre beslutningsterrenger, som kulminerer i innsiktsfulle handlinger.
Dette er emnebeskrivelsen for studieåret 2025-2026. Merk at det kan komme endringer.
Emnekode
MOD500
Versjon
1
Vekting (stp)
10
Semester undervisningsstart
Høst
Antall semestre
1
Vurderingssemester
Høst
Undervisningsspråk
Engelsk
Innhold
- Introduksjon: Ta fatt på beslutningsinnsikt og den sentrale rollen til data og AI.
- Usikkerhetsmodellering: Bruk av dataanalyse og AI-verktøy for å innkapsle nyansene til usikre utfall.
- Beslutningsteori: Teoretisk grunnlag for informert beslutningstaking.
- Grunnleggende beslutningsanalyse: Integrer sannsynlighetsmodellering og AI i sensitivitetsanalyse, verdi av informasjonsanalyse, risikoprofiler og stokastisk dominansanalyse.
- Beslutningsmodellering ved hjelp av påvirkningsdiagrammer: Strukturere beslutningsprosesser visuelt med AI-støtte.
- Modellering av risikopreferanser: Forstå risikoaversjon, risikoholdninger og verktøyfunksjoner.
- Vurdering av sannsynlighetsfordelinger: Utnytte dataanalyse og AI for dypere innsikt i potensielle utfalls sannsynligheter.
- Beslutningsanalysesyklusen/prosessen: En systematisk tilnærming til strukturert beslutningstaking.
- Beslutningstaking med flere mål: Hvordan sjonglere og prioritere kontrasterende mål.
- ChatGPT i Decision Insights: Praktisk utforskning av hvordan ChatGPT kan forsterke beslutningsmodellering og analyse. Lær hvordan du integrerer AI-verktøy i beslutningsarbeidsflyten din.
Læringsutbytte
Kunnskap:
En forståelse av modellerings rolle i strategiske beslutninger og for hva som er en god beslutningsmodell
En grundig forståelse av vesentlige elementer i gode modelleringsprinsipper for å strebe etter klarhet i komplekse og usikre beslutningssituasjoner.
Kunne gjenkjenne og redegjøre for menneskelige skjevheter og feil som oftest påvirker beslutningstaking.
Utvikle modeller, verktøy og mentale rammer som lar deg håndtere usikkerhet effektivt
Revider din tro etter å ha samlet inn tilleggsinformasjon ved å bruke Bayesianske metoder
Undersøk og kvantifiser verdien som skapes ved å samle inn tilleggsinformasjon
Kvantifiser din risikoappetitt og hvordan du tar dette med i beslutningsprosessen
Bruk Bayesian Networks til å strukturere en beslutningsmodell
Design modeller med en parametrisk tilnærming for å maksimere innsikt
Forutse beslutningstakeres spørsmål og design i funksjoner for å svare på dem
Bygg en beslutningsmodell for en typisk ingeniør- eller bedriftsbeslutningssituasjon
Oppdag hvordan du lager fleksible modeller som lar deg analysere flere strategiske alternativer
Forstå sensitivitetsanalyse og informasjonen den gir
Gjennomfør sannsynlighetsanalyse for generell tilleggsinnsikt og forstå risiko
Identifiser hvordan du effektivt kan kommunisere innsikten fra modellen din
Ferdigheter:
Ferdigheter som trengs for å bygge en god grunnleggende beslutningsmodell og bruke den til å generere kraftig innsikt i beslutningssituasjonen
Kunne anvende og konstruere beslutningsmodeller og bruke de viktigste elementene i beslutningsanalyse som er relevante for ingeniørtype beslutningstaking i møte med usikkerhet.
Generelle kvalifikasjoner:
Studentene skal forstå grunnleggende logiske prinsipper og analyser og være i stand til å kommunisere sine valg og anbefalinger tydelig.
Forkunnskapskrav
Anbefalte forkunnskaper
Eksamen / vurdering
Prosjektoppgave og muntlig eksamen
| Vurderingsform | Vekting | Varighet | Karakter | Hjelpemiddel |
|---|---|---|---|---|
| Prosjektoppgave i gruppe | 1/2 | 6 Uker | Bokstavkarakterer | Alle |
| Muntlig eksamen | 1/2 | 30 Minutter | Bokstavkarakterer | Ingen hjelpemidler tillatt |
Løpende vurdering.Den endelige karakteren består av en gruppeprosjekt som teller 50% og en muntlig eksamen som teller 50%. Du må bestå alle deler for å bestå emnet.Det tilbys ikke kontinuasjonsmuligheter på vurderingsdelene. Studenter som ikke består eller ønsker å forbedre karakter, kan ta dette på nytt neste gang emnet har ordinær undervisning.